Yolov8s Visdrone

🚀 mshamrai/yolov8s-visdrone

本项目基于ultralytics库，利用yolov8s模型在VisDrone数据集上进行训练，可用于目标检测任务，支持对行人、车辆等多种目标的识别。

🚀 快速开始

安装依赖

安装 ultralyticsplus：

pip install ultralyticsplus==0.0.28 ultralytics==8.0.43

加载模型并进行预测

from ultralyticsplus import YOLO, render_result

# 加载模型
model = YOLO('mshamrai/yolov8s-visdrone')

# 设置模型参数
model.overrides['conf'] = 0.25  # NMS置信度阈值
model.overrides['iou'] = 0.45  # NMS IoU阈值
model.overrides['agnostic_nms'] = False  # NMS类别无关
model.overrides['max_det'] = 1000  # 每张图像的最大检测数

# 设置图像
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 进行推理
results = model.predict(image)

# 查看结果
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()

✨ 主要特性

• 多目标检测：支持对行人、自行车、汽车等多种目标的检测。
• 高精度：在VisDrone数据集上训练，具有较高的检测精度，mAP@0.5(box)达到 0.40755。

📦 安装指南

安装 ultralyticsplus：

pip install ultralyticsplus==0.0.28 ultralytics==8.0.43

💻 使用示例

基础用法

from ultralyticsplus import YOLO, render_result

# 加载模型
model = YOLO('mshamrai/yolov8s-visdrone')

# 设置模型参数
model.overrides['conf'] = 0.25  # NMS置信度阈值
model.overrides['iou'] = 0.45  # NMS IoU阈值
model.overrides['agnostic_nms'] = False  # NMS类别无关
model.overrides['max_det'] = 1000  # 每张图像的最大检测数

# 设置图像
image = 'https://github.com/ultralytics/yolov5/raw/master/data/images/zidane.jpg'

# 进行推理
results = model.predict(image)

# 查看结果
print(results[0].boxes)
render = render_result(model=model, image=image, result=results[0])
render.show()

📚 详细文档

支持的标签

['pedestrian', 'people', 'bicycle', 'car', 'van', 'truck', 'tricycle', 'awning-tricycle', 'bus', 'motor']

📄 许可证

本项目使用openrail许可证。

📦 模型信息